연구진은 의료 영상 AI의 높은 연산 복잡도를 해결하기 위해 JPEG 압축된 흉부 CT 데이터를 활용하는 방법을 연구했어요.
Feature Attention Style Transfer (FAST)라는 새로운 프레임워크를 제안하여 고해상도 CT 데이터의 특징과 구조적 관계를 압축된 데이터에 전달하고, Structured Factorized Projection (SFP)을 통해 연산 효율성을 높였어요.
CT-Lite 파이프라인은 압축된 데이터로도 기존 방식 대비 5~7% 내외의 AUROC 성능을 달성하여 자원 제약적인 환경에서도 AI 기반 임상 평가를 가능하게 할 것으로 기대돼요.